数据分析与可视化课程教学体系建设实践探究

摘要：针对在“新工科”背景下，数据分析与可视化课程存在教学模式单一、知识点零散、学生主动性不足、课程思政教学内容不系统问题对课程进行优化。以教学目标为导向，主要从教学内容、课程思政、教学方法三个方面完成优化。教学实践表明，该建设方法有明显成效。

关键词：课程思政；数据分析；数据可视化；教学目标

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）13-0144-03 开放科学（资源服务）标识码（OSID） ：

0 引言

大数据时代下如何从庞大的数据量中提取出有价值的信息关乎各企业未来的发展，同时也是开展科学研究的基石。以山西农业大学软件学院数据科学与大数据技术专业为例，该专业在2022年首次开设了数据分析与可视化课程。该课程是数据科学与大数据技术的专业必修课程，致力于使学生了解数据分析与可视化的流程，要求学生能够利用辅助工具挖掘出海量数据背后隐藏的信息，培养学生主动发现问题，解决问题的能力以及团队协作精神、创新精神、严谨认真等职业素养，提高学生的专业自信和文化自信。因此，对于该门课程的建设关乎大数据专业人才的培养。

该门课程虽然开设时间较短，但是有很多研究者对其进行了探索。例如：王婧娟[1]等人提出了分层次教学模式，以认识数据、存储数据、数据预处理与分析、数据可视化四个层面为基础进行教学。杨艳霞[2]等人采用案例教学法进行数据分析与可视化的教学，使学生对数据分析与可视化的流程有进一步的理解。杨菲菲[3]等人从工程教育专业认证角度探讨了Python数据分析与可视化的课程大纲，为讲授该课程的教师提供了参考。周黎鸣[4]等人针对数据分析与可视化课程提出了能力导向和案例驱动相结合的教学方法。徐婷[5]等人对气象数据分析与可视化课程的理论内容进行了优化，并结合专业热点问题设计实践提高学生的实践能力。2020年教育部发布的《高等学校课程思政建设指导纲要》要求专业课程要以“润物细无声”的形式融入课程思政，专业教育与思政教育同向而行[6]。由于数据分析与可视化是新开课程，体系结构不完整，思政元素探索较少。本文针对山西农业大学软件学院数据科学与大数据技术专业开设的该门课程进行研究，从教学内容、教学方法、课程思政对其进行优化。

1 课程分析

1.1 课程介绍

数据分析与可视化课程可分为数据分析与数据可视化两方面，目前已经成为计算机、金融、医学、电商等学科的重要工具。管理者可通过分析与可视化技术归纳出历史数据中隐藏的规律，在瞬息万变的大数据时代占得先机。由于每个学校专业人才培养方案的不同，课时与学分等信息也有所差别。本文以山西农业大学软件学院数据科学与大数据技术专业为例，课程的基本信息（如表1） 。

1.2 学情分析

目前，大数据相关产业发展迅速，各种大数据技术也如春笋般涌现[7]。然而，数据科学与大数据技术专业在各高校成立时间短，数据分析与可视化课程仍然采用传统的教学模式，还未能建立自己的课程思政与教学体系，无法适应当下的教育需求。具体体现在以下几个方面。

1） 教学内容。数据分析与可视化课程以Python 语言为基础，利用Numpy、Pandas、Matplotlib、Seaborn 等第三方库处理和可视化数据。由于课程涉及大量函数，理论知识枯燥，学生对所学内容未形成系统性框架等问题导致学生参与性不强。

2） 学生特征。本门课程授课对象为大三学生且均为00后，通过授课发现该类学生具有以下特点：一是思想较为成熟，具有发现问题、分析问题，解决问题的意识，但是知识碎片化，未能形成整体性框架。二是未来规划逐渐清晰，所学习知识更加倾向于实用性和针对性。三是自我意识较强，缺乏一定的团队协作精神和集体荣誉感。

3） 五育失衡。习近平总书记提出教育要“德智体美劳”五育共举，五美缺一不可。长期以来，数据分析与可视化与金融、经济、农业、医学等学科进行融合，鲜少有人强调计算机与美的结合。对于工科学生来说，发现美，欣赏美，创造美的能力较差，而本门课程最终呈现的可视化界面需要符合大多数用户的审美。因此，美育也是本门课程至关重要的一环。

1.3 课程目标

工程教育专业认证的教育理念核心为“学生为中心、产出为导向、持续改进”[8]。专业人才培养方案中详细罗列了该专业学生的毕业要求以及与课程目标的对应矩阵。该课程团队围绕数据科学与大数据技术专业人才培养方案、课程性质以及授课对象特点，形成了三维教学目标即知识与技能目标、过程与方法目标、情感态度与价值观目标，每个目标分为基本目标和进阶目标。

1） 知识与技能目标。基本目标为理解数据分析和数据可视化的概念，掌握数据分析与可视化的基本流程，熟悉Python第三方库：Numpy、Pandas、Matplot⁃lib、Seaborn等。进阶目标为利用Python工具、数学、统计学相关知识对原始数据进行分析和可视化，从中找到有价值的信息和规律，并能够对数据分析结果进行合理分析、解释。

2） 过程与方法目标。基本目标为熟悉数据分析与可视化流程，熟练代码编写与调试的过程，具备查找资料、自主学习、自主探究的能力，培养学生发现美、欣赏美和创造美的能力。进阶目标为能够分析和研究数据科学与大数据领域的复杂工程问题；能够根据已知数据进行可视化或建立模型，从中发现问题并找到解决问题的方法；能够对未知数据进行预测；能够在多学科背景的团队中承担核心成员或负责人的角色。

3） 情感态度与价值观目标。基本目标为培养严谨认真、逻辑缜密、数据真实、具有创新意识、团队合作意识的职业素养；培养品德优良、专业知识扎实、动手实践能力强、具有创新精神的复合型人才；培养学生科技报国的情怀。进阶目标为增强对中国特色社会主义制度的认识，在增强“四个自信”的同时提高专业自信。

2 课程教学体系建设

2.1 重塑教学内容

1） 理论。数据分析与可视化课程从Python基础知识入手，并结合大量数据分析示例，系统地介绍了数据分析与可视化的方法。课程主要包括数据分析与可视化的概述、Numpy数值计算基础、Pandas统计分析基础、Pandas数据载入与预处理、Matplotlib数据可视化基础、Seaborn可视化等章节。然而本门课程每章节涉及函数众多导致知识点零散，学生没有形成系统性框架，在实验中无法充分使用这些功能性函数处理数据。因此本文根据数据分析与可视化的流程：读数据-数据清洗-数据处理-数据分析-数据可视化对课程内容进行重组（如图1） 。按照数据分析与可视化的流程学习可使学生将第三方库函数熟练应用于实验中，进一步加深学生对课程的理解。

2） 实践。数据分析与可视化课程实验课时占比为2/3，因此学习好本门课程须注重实践。本门课程实验部分采用“基础+小项目”的组合形式分层递进，逐层提高。实验分为单人和团队两种形式，单人实验即每一个小项目实验之前练习相应基础知识。该方式可降低学生的畏难情绪。团队形式即课程结束时两人为一组对数据进行综合分析和运用，不仅提高学生的动手能力还培养了团队协作精神。实验具体内容（如表2） 。

2.2 课程思政

结合大三学生学习目标不清晰，对学习内容缺乏兴趣等特点将思政元素有针对性地引入课堂，例如为学生讲解该领域前沿知识、中国故事、传统文化等，赋予知识以灵魂，提高学生学习本门课程的兴趣。

围绕《纲要》解读中的“一条主线+五大重点”对数据分析与可视化课程内容进行思政挖掘，培养素质高、能力好、专业基础扎实的全能型人才。首先从“一条主线”即坚定理想信念、爱党爱国、爱社会主义、爱人民爱集体和“五大重点”即习近平新时代中国特色社会主义思想、社会主义核心价值观、中华优秀传统文化、宪法法制、职业理想和职业道德出发，分解为社会主义核心价值观、科学思维、职业素养、专业自信、大国工匠、传统文化、全球视野7个思政点，然后再进一步细化成多个思政元素（如表3） 。

最后进行思政融合，将课程知识点与思政元素结合（如表4） 。将思政之盐融入课堂当中，在培养学生正确的价值观、科学思维、专业自信、职业素养等的同时，还进一步解决了课程理论知识枯燥乏味的问题。

2.3 优化教学设计

教学过程分为三个环节：课前引导、课中传授、课后巩固。整个教学环节都采取了线上与线下混合模式。具体结合方式如下：

1） 课前引导。教师需提前了解授课对象学情，课前在学习通平台发布测验，了解学生对知识的掌握程度、参与情况、知识盲点等。然后针对学生学情完成相关工作，例如在学习通建设线上课程，发布课程大纲、教学日程表，学习导引单、课前讨论活动等。学生在每次课前可通过阅读学习导引单了解课堂重难点并根据教师布置的课前任务有针对性学习。除此之外，教师可在课前10分钟发布签到查看学生的出勤情况。

2） 课中传授。本门课程由数据科学与大数据技术系与数字媒体艺术系共同创建，其中40课时由数据科学与大数据技术教研室教师进行讲授，8课时由数字媒体艺术教研室教师讲授。学生既可以利用数据分析与可视化相关技术创建各种图表，还可以利用美学知识制作出美观且高质量的图表。

在讲授新课时，充分践行“以学生为中心”的教学理念，教师通过问题引导式、案例式、互动式，项目驱动式等方法吸引学生注意力，并让学生能够主动参与课堂。其中教师讲授时长约为课堂的2/3，学生研讨和参与互动时长约占课堂的1/3。在教学内容方面充分结合思政与当前最新研究进展，形成在快乐有趣中学习的氛围。在学期中设置“翻转课堂”环节，让学生成为课堂的主体，由学生分组完成知识点的讲解，并将其作为一次课程考核。翻转课堂可增强学生的自主学习能力和团队协作的精神，使学生意识到互利共赢、共享发展的理念。在学生汇报前一周发布翻转课堂任务，详细说明要求与评分标准。学生以组为单位汇报完成后请多名专业课教师进行点评和打分，保证公平性和客观性。小组内各成员分数由小组长及组内成员根据评分标准和分工进行评分取均值。最后通过思维导图方式总结章节知识点以提高学生的整体性认识。

3） 课后巩固。学生和教师通过学习通班级群、QQ群、邮件等平台进行交流。例如：发布作业、扩展知识点、发布与本专业相关的讨论，通过讨论激发学生学习热情，发散思维，传递正能量，增强学生的社会责任感。教师可在课程结束后通过课堂氛围、小测验、反馈信息等进行反思与总结，进一步改进教学设计，反复多次找到适合学生的教学方式。

3 结束语

本文从课程和学生特点两个方面进行剖析，首先针对课程知识点零散对教学内容进行重组，其次教学中融入了课程思政培养学生正确的价值观，并介绍科技前沿让学生了解计算机领域未来的发展趋势。最后对教学过程进行了优化设计，分为课前引入、课中传授、课后巩固3个环节。初步教学效果反馈良好，未来将进一步完善教学体系，丰富教学方法。

参考文献：

[1] 王婧娟，那丽春，方玉玲. 数据分析与可视化课程教学研究与实践[J]. 电脑知识与技术，2023，19（7）：148-150.

[2] 杨艳霞，周冰，朱倩. 基于案例的Python课程教学研究：以网络爬虫和数据可视化教学内容为例[J]. 信息与电脑（理论版），2021，33（14）：89-91.

[3] 杨菲菲，王娟，张岳. 工程教育专业认证下数据科学与大数据技术专业Python数据分析及可视化课程大纲[J]. 电脑知识与技术，2021，17（3）：33-36.

[4] 周黎鸣，林英豪，李征，等. 新工科背景下大数据专业课程建设[J]. 计算机时代，2021（1）：102-105.

[5] 徐婷，段炼. 基于NCL语言的气象数据分析与可视化课程教学的思考[J]. 教育教学论坛，2020（7）：347-348.

[6] 杨波，李远彪. 数据科学与大数据技术课程体系的复杂网络分析[J]. 计算机科学，2022，49（S1）：680-685，807.

[7] 戚湧，贾怡炜. 高校课程思政与师德师风建设相互促进机制研究[J]. 高教学刊，2023，9（27）：52-55.

[8] 张继研，刘涛，郝首霖，等. 基于工程教育认证标准的过程控制仪表及装置实验教学改革[J]. 高教学刊，2023，9（25）：142-145.

【通联编辑：王力】

基金项目：2022 年山西省高等学校教学改革创新项目（J20220299）